本发明涉及土地利用结构多目标优化技术领域，具体为一种土地利用结构优化的多目标改进差分进化模型。
背景技术：
土地利用结构优化是土地利用总体规划的核心工作之一，它指在一定区域内，为了达到土地利用系统的一定的经济、生态和社会效益最优目标，依据土地资源的自身特性和土地适宜性评价，对区域内土地资源的各种利用类型进行更合理的安排，以提高土地利用的效率和效益，维持土地生态系统的相对平衡，实现土地资源的可持续发展利用。多目标优化问题在工程中经常遇到，一般来说，多目标优化问题中的多个目标不可能同时达到最优，而不同决策者对不同目标的偏好不同，会得到不同的最优解，在多目标优化中这些可能的最优解都称为非劣质解，利用传统的优化技术一般每次都只能得到非劣质解集中的一个，而用差分进化算法处理多目标优化问题，则可以得到更多的非劣质解。由于土地利用结构优化配置的多目标性，运用传统的规划方法难以解决好这类问题，差分进化算法具有算法简单、收敛速度快、所需领域知识少、比较适合于解决复杂的优化问题等特点，因此，利用差分进化算法进行土地资源优化配置具有很好的潜力。而目前差分进化算法用于无约束优化对问题对文献居多，而对约束优化问题对研究相对较少，如何处理约束条件是利用差分进化算法求解约束优化问题对关键，本发明提出了一种土地利用结构优化的多目标改进差分进化模型，以较好的解决了土地资源系统的优化配置问题。
技术实现要素：
本发明的目的在于提供一种土地利用结构优化的多目标改进差分进化模型，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种土地利用结构优化的多目标改进差分进化模型，该种土地利用结构优化的多目标改进差分进化模型建模方法具体步骤如下：
s1：变量设置：根据土地利用动态变化及现状分析，从土地资源特点和社会经济发展要求出发，共设置10个变量：x1(耕地)；x2(园地)；x3(林地)；x4(牧草地)；x5(其他农用地)；x6(城镇用地)；x7(农村居民点用地)；x8(交通运输用地)；x9(水利设施用地)；x10(未利用地)；
s2：目标函数的建立：建立经济效益目标函数、生态效益目标函数和约束条件；
s3：初始化种群：采用佳点集方法，设初始种群的规模为n，个体
pn(i)＝{({r1×k}，{r2×k}，…，{rs×k})，k＝1，2，…，n}(1)
其中取：
t是满足t≥2s+3的最小素数，其中{ri×k}表示ri×k的小数部分，
当
利用多目标优化技术来处理约束条件：
f(x)＝f(f(x)，g(x))(3)
其中一个目标为原目标函数f(x)，另一个目标函数为个体违反约束条件的程度g(x)：
其中gj(x)表示个体x与第j个约束条件的距离，即
s4：变异操作：根据个体间非劣质解支配思想，把初始化种群分为两个子种群，一个是非劣质解子集，另一个是劣质解子集，两个自己对个体数目分为n1和n2，并且满足采用n1+n2＝n，由种群中个体对非劣质解支配关系可知，对劣质解子集中对非劣个体按照约束违反度进行升序排序，选取前一半非劣个体直接进入到下一代群体，剩下对非劣个体则随机替换非劣质解子集中的个体，非劣质解子集中的个体和劣质解子集中对个体分别通过de/rand/1和de/bset/1变异方式，其方程分别为：
式中
s5：收敛判断：将经过步骤s4中变异操作后得到的个体与原个体进行比较，如果新个体优于原个体，算法结束，进行步骤s7，否则，执行步骤s6；
s6：交叉操作：对于群体中的i个个体
式中rand()为[0，1]之间均匀分布对随机数，交叉概率因子cr∈[0，1]，t当前迭代次数，返回步骤s5；
s7：模型求解与分析以及方案的优化配置：根据前面建立的该系统的编码框架，进行软件编程实现，其中，变量维数d设为8，种群规模np设为60，缩放因子f和交叉概率因子cr通过提出的自适应策略确定，最大迭代次数为600，以2010年为基期，2020年为优化目标年，经过多次独立运行试验，最后得到研究区2020年土地利用数量结构优化结果。
优选的，所述步骤s2中经济效益目标函数为：
式中f1为规划区国生产总值，bi为规划期第i种土地利用方式单位面积上按当年价格计算对国内生产总值(gdp)，xi为各类用地规划面积，
所述步骤s2中生态效益目标函数为：
式中f2(x)为规划区生态系统服务功能价值，xk为土地利用类型k对分布面积，ck为该类型土地单位面积对生态系统服务功能价值系数。
优选的，所述步骤s2中对约束条件包括区域面积总量约束、人口总量约束、粮食需求量约束、耕地总量动态平衡指标约束、森林覆盖率约束、未利用土地开发约束、建设用地需求约束、土地适宜性约束和数学模型要求约束。
优选的，所述步骤s7中软件为vc++6.0软件。
与现有技术相比，本发明的有益效果是：该种土地利用结构优化的多目标改进差分进化模型，首先通过利用佳点集产生初始种群，然后将种群分为非劣质解子集和劣质解子集，对非劣个体对选择引入偏好信息，选取一定比例对最优非劣个体直接进入下一代群体，对劣质解子集和非劣质解子集分别采用de/rand/1和de/bset/1变异策略，以平衡差分进化算法对全局搜索和局部搜索能力。
附图说明
图1为本发明工作流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种技术方案：一种土地利用结构优化的多目标改进差分进化模型，该种土地利用结构优化的多目标改进差分进化模型建模方法具体步骤如下：
s1：变量设置：根据土地利用动态变化及现状分析，从土地资源特点和社会经济发展要求出发，共设置10个变量：x1(耕地)；x2(园地)；x3(林地)；x4(牧草地)；x5(其他农用地)；x6(城镇用地)；x7(农村居民点用地)；x8(交通运输用地)；x9(水利设施用地)；x10(未利用地)；
s2：目标函数的建立：建立经济效益目标函数、生态效益目标函数和约束条件，所述经济效益目标函数为：
式中f1为规划区国生产总值，bi为规划期第i种土地利用方式单位面积上按当年价格计算对国内生产总值(gdp)，xi为各类用地规划面积，
所述生态效益目标函数为：
式中f2(x)为规划区生态系统服务功能价值，xk为土地利用类型k对分布面积，ck为该类型土地单位面积对生态系统服务功能价值系数；
约束条件包括区域面积总量约束、人口总量约束、粮食需求量约束、耕地总量动态平衡指标约束、森林覆盖率约束、未利用土地开发约束、建设用地需求约束、土地适宜性约束和数学模型要求约束；
s3：初始化种群：采用佳点集方法，设初始种群的规模为n，个体
pn(i)＝{({r1×k}，{r2×k}，…，{rs×k})，k＝1，2，…，n}(1)
其中取：
t是满足t≥2s+3的最小素数，其中{ri×k}表示ri×k的小数部分，
当
利用多目标优化技术来处理约束条件：
f(x)＝f(f(x)，g(x))(3)
其中一个目标为原目标函数f(x)，另一个目标函数为个体违反约束条件的程度g(x)：
其中gj(x)表示个体x与第j个约束条件的距离，即
s4：变异操作：根据个体间非劣质解支配思想，把初始化种群分为两个子种群，一个是非劣质解子集，另一个是劣质解子集，两个自己对个体数目分为n1和n2，并且满足采用n1+n2＝n，由种群中个体对非劣质解支配关系可知，对劣质解子集中对非劣个体按照约束违反度进行升序排序，选取前一半非劣个体直接进入到下一代群体，剩下对非劣个体则随机替换非劣质解子集中的个体，非劣质解子集中的个体和劣质解子集中对个体分别通过de/rand/1和de/bset/1变异方式，其方程分别为：
式中
s5：收敛判断：将经过步骤s4中变异操作后得到的个体与原个体进行比较，如果新个体优于原个体，算法结束，进行步骤s7，否则，执行步骤s6；
s6：交叉操作：对于群体中的i个个体
式中rand()为[0，1]之间均匀分布对随机数，交叉概率因子cr∈[0，1]，t当前迭代次数，返回步骤s5；
s7：模型求解与分析以及方案的优化配置：根据前面建立的该系统的编码框架，在vc++6.0软件环境下进行编程实现，其中，变量维数d设为8，种群规模np设为60，缩放因子f和交叉概率因子cr通过提出的自适应策略确定，最大迭代次数为600，以2010年为基期，2020年为优化目标年，经过多次独立运行试验，最后得到研究区2020年土地利用数量结构优化结果。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。